ディーブラーニング（深層学習）は何がディーブなのか？
この質問に正確に答えられることが求められますので、即答できない方は
多重共線性についてはG検定公式テキストには掲載されてなかったですが、テストには出題される可能性が高いため、覚えておいた方がいいです。
たん回帰分析では、予測するための直線はy=wx+bのように表すことができますし、複数の「説明変数」に拡張するとu=nΣ(i=0)wixiで表すことができる
ロジスティック回帰
シグモイド関数は別名「ロジスティック回帰」と呼ばれ、ロジット関数の逆関数となっています。ロジスティック回帰では、対数オッズ（分子が発生確率p、分母が非発生確率（1-p）の時にこれをオッズと呼びます。オッズの対数（logとする）と対数オッズになります）を重回帰分析により予測します。
重回帰で予測するので、「ロジスティック回帰」という名前がついていますが、予測する対象は、非連続なクラスである為、ロジスティック回帰は「分類」手法に属するものです
多層パーセプトロン
ネットワーク全体の表現力は大きく上向し、多層パーセプトロンでは非線形分類も可能となりました。
ネットワークを深くすればするほど誤差の伝播がうまくいかなくなったり、学習させる対象のデータが十分になかったり、必要な計算リソースが用意できなかったり、と当初はまだディープラーニングネットワークが流行して実用化する土壌が出来上がっていなかったといえる
Comments
Post a Comment